OpenTSLM是一種多模態大語言模型，將時間序列作為原生模態處理，能夠與文本一起對原始多變量信號進行推理。它在時間序列問答、活動識別、睡眠階段分類和ECG問答任務上優於基線方法，包括GPT-4o。模型支持擴展到多個超長時間序列，內存消耗幾乎恆定。ECG推理經7位心臟病專家驗證，正確率97%。所有代碼、數據集和模型均開源。

GPT-5.6 Sol在Design Arena的網頁設計排行榜上排名第一，比其前身GPT-5.5高出18位。它主動避免常見的AI設計反模式，結合了強大的模板與高度的個性化，並且比競爭對手更快、更便宜。

一個名為 Reaper-MCP 的新開源項目通過模型上下文協議讓 AI 助手能夠直接控制 Reaper DAW，涵蓋作曲、編輯、混音等音樂製作全流程。

OpenAI首席財務官Sarah Friar提出了一種實用的人工智能計分卡，通過有用工作量、每次成功任務成本、可靠性和計算回報來衡量投資回報。

真正的多元化要求將投資分散到所有11個經濟板塊以及債券、另類資產和現金中，以平滑市場波動。總市場指數基金和年度再平衡是關鍵策略。

本文詳細介紹瞭如何將MCP（模型上下文協議）服務器連接到Claude桌面版和Claude Code，使Claude能夠與外部工具、文件、數據庫等交互。包括兩種桌面版配置方法（一鍵擴展和JSON配置）以及Claude Code的CLI命令配置，還提供了常見錯誤修復和推薦服務器列表。

Matt Pocock分享了他創建的“grill-me”技能，該技能通過AI不斷提問幫助用户深入探討計劃或設計，直至達成共識。技能雖短但功能強大，最新改進包括推薦答案功能，大幅提升對話效率。

文章探討了AI輔助開發如何導致'單一模式倦怠'，通過壓縮規劃、實施和集成三種認知模式，使開發者儘管效率提高卻更加疲憊。

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：Discussion | Link

本文總結了五項最近關於AI在軟件工程領域的研究論文，這些論文共同揭示了AI正在壓縮軟件工程的上游工作，但下游瓶頸隨之出現。主要發現包括：GitHub Copilot使PR吞吐量增加約40%，且呈劑量反應關係；AI在代碼生成階段的增益（高達+180%）在交付過程中大幅衰減（最終僅+30%的發佈量）；生產力與開發者體驗出現脱鈎；開發者希望AI更多用於驗證任務而非代碼生成；以及“認知債務”和“意圖債務”正在成為新的軟件健康問題。

JetBrains 研究團隊探討了 AI 與擴展現實（XR）結合如何為技術創作者帶來新的交互範式。通過專家訪談，他們總結了五個主題：人類如何向 AI-XR 系統傳達意圖、AI 如何使 XR 環境理解並適應個人、阻礙 XR-AI 主流化的因素、AI-XR 如何改變創作方式，以及隱私和倫理風險。研究指出，XR 硬件和 AI 的融合將徹底改變技術創作，但面臨技術、認知和組織上的挑戰。

該數據集提供了一個歐盟AI法案（法規(EU) 2024/1689）的單文件、預嵌入SQLite語料庫，按法律結構分塊（每條款段落、每序言、每附件點、每第3條定義），包含BGE-M3密集嵌入、元數據、風險等級標籤等，可直接本地查詢，用於研究與工程。

NVIDIA發佈Nemotron 3 Embed，包含三個開源檢查點：8B BF16、1B BF16和1B NVFP4。其中8B模型在RTEB基準上以78.46平均NDCG@10排名第一。1B模型通過NAS剪枝和蒸餾從8B教師模型得到。NVFP4在Blackwell上保持99%+的檢索精度，吞吐量提升2倍。所有模型支持32,768 token輸入，採用OpenMDW-1.1許可。

作者利用AI編碼助手（Codex CLI、Gemini CLI、Claude Code）將Python的epub閲讀器epy移植到Rust，開發了終端閲讀器repy。項目從2025年11月開始，2026年2月發佈，但僅獲得少量關注。文章反思了AI時代軟件過剩的現象，並探討了創作的意義。

Netflix在第二季度財報中透露，其平台約有300部作品使用了生成式AI，主要用於後期製作，以降低成本並提高效率。

中國芯片設計公司摩爾線程和紫光信息預測上半年收入大幅增長，得益於國內AI計算需求激增。摩爾線程預計收入增長135%-149%，紫光信息預計增長55.6%-70.2%。這凸顯了中國在AI基礎設施上的強勁需求，以及在美國出口限制下國產芯片的崛起。

這張NMC首秀專輯展示了萊德洛將科學與古典音樂融合的複雜而富有想象力的作品，包括以愛因斯坦場方程為靈感創作的鋼琴協奏曲《扭曲》。

BoomPop.Games是一個無需安裝、無需註冊的瀏覽器街機平台，提供多種在線遊戲，包括科幻戰術卡牌遊戲Warpforge。玩家可以一起遊玩、聊天、創建房間。

沃倫·巴菲特透露，是他本人而非繼任者格雷格·阿貝爾主導了伯克希爾對谷歌母公司Alphabet的310億美元投資。他表示，人工智能巨頭被迫進行鉅額資本支出以保持競爭力，這種模式類似於他曾投資的鐵路和公用事業，因此吸引了長期迴避科技股的他。

Athena是Shoplazza推出的AI編排代理，旨在統一管理整個商業技術棧，簡化電商運營流程。

Lightport 是一個輕量級的 AI 網關，專注於讓各種 LLM 提供商兼容 OpenAI API。它源自 Portkey AI Gateway，但去掉了重試、緩存等高級功能，僅保留請求/響應轉換層。支持 77 個提供商，包括 OpenAI、Anthropic、Azure OpenAI 等。可直接通過 pnpx lightport 快速啓動。

歐盟發佈兩項新規，要求谷歌共享搜索數據並開放安卓系統，以便競爭對手AI公司能公平接入。此舉旨在打破科技巨頭的數字壟斷，促進創新，但谷歌警告可能會危及用户隱私和數據安全。

本文介紹了一個名為voidguard的新工具，它能夠檢測出代碼庫中那些看似有效但實際上並未驗證任何內容的“空心”測試、類型檢查和CI門禁。作者通過對一個倉庫的掃描，發現了七個這樣的空心守衞，並由此開發了這個通用工具。文章詳細説明了voidguard能檢測的四類空洞以及無法檢測的三類，強調了驗證驗證手段本身的重要性。

OpenAI在其Codex命令行界面中引入了多代理v2消息加密，隱藏了代理間傳遞的指令，導致開發者無法調試和審計代理行為，引發了社區對可觀測性喪失的擔憂。

自2017年以來，伊阿松·加布裏埃爾一直在谷歌DeepMind工作，試圖預測和思考AI的影響。但隨着商業和地緣政治壓力的加劇，倫理學家能否發揮作用？

本文提出ConFlow框架，將約束信息直接融入流匹配訓練目標，通過可微的障礙或成本函數以及條件高斯過程，提高機器人運動生成中的約束滿足和軌跡質量。實驗表明在雙機器人導航任務中，ConFlow相比標準流匹配基線實現了更低的碰撞率和更高的軌跡質量。

本文探索了利用功能性近紅外光譜（fNIRS）腦信號來調節機器人強化學習的可行性。研究比較了被動（觀察）和主動（演示）交互任務中的智能體訓練，並測試了多種增強RL算法的方法，重點關注參數增強而非替換。結果表明，該框架有效：腦信號在增強軌跡優先級和狀態-動作Q值時改善了學習。此外，該框架能成功從離線數據中學習，為實時腦機接口設置不實用或數據有限的情況提供了實用替代方案。

現有抓取基準主要關注視覺抓取姿態檢測，忽略了需要多步推理和語義理解的複雜任務。GCA-Bench基準包含複雜動作場景，評估大模型在抓取中的表現。實驗顯示，當前方法在複雜場景下成功率低於70%，揭示了關鍵侷限性。

DiMaS是一種專為流匹配視覺-語言-動作（VLA）模型設計的分佈匹配引導策略，通過在表示分佈之間進行傳輸而非沿固定方向移動，實現了對機器人操作行為的細粒度控制。該方法在兩種最先進的VLA上驗證了有效性，並分析了行為控制的可遷移性。研究表明，經典線性引導在視覺運動任務中失效，因為行為特徵線性可解碼但不可線性引導。

一項來自arXiv的新研究提出了一種隨機過濾協議（ANTk），用於採用匿名通信的機器人羣體中的羣體感應。該協議減輕了匿名協議中常見的重複計數偏差，提高了估計穩定性，但增加了錯誤恢復時間。研究將ANTk與基線和隨機變體進行了比較，揭示了準確性、速度和穩定性之間的權衡。